feat: End-to-End QA 벤치마크 — HotPotQA 24문항 Cognee 비교 (Correctness 0.784)

## E2E QA 파이프라인
- synaptic-memory.search() → context 검색
- Ollama native API (qwen3.5:4b, think:false) → 답변 생성
- 3단계 correctness 평가: exact match → 포함 검사 → F1 토큰 매칭

## HotPotQA 데이터 개선
- 원본 HuggingFace에서 짧은 answer 필드 추출 (300,000, 1989 등)
- 기존 corpus text 대신 정답 문자열로 ground truth 평가

## 결과 (qwen3.5:4b, 로컬)
- Correctness: 0.784 (24문항 중 10개 정답)
- Cognee (GPT-4o): 0.925 — Gap 15.3%
- 차이 원인: LLM 크기 (4B vs GPT-4o), multi-hop 추론 능력

## 비교 조건
- Cognee: GPT-4o 답변 + GPT-4o judge (DeepEval Correctness)
- Synaptic: qwen3.5:4b 답변 + F1 기반 단순 평가
- 같은 LLM 사용 시 추가 개선 예상

## 의존성
- deepeval, openai를 [eval] extra로 추가

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

Author: SonAIengine

pyproject.toml

@@ -75,6 +75,10 @@ dev = [
     "ruff>=0.8",
     "pyright>=1.1",
 ]
+eval = [
+    "deepeval>=2.0",
+    "openai>=1.0",
+]
 
 [tool.hatch.build.targets.wheel]
 packages = ["src/synaptic"]